基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

基于两阶段学习的半监督支持向量机分类算法

提出了一种基于两阶段学习的半监督支持向量机(semi-supervised SVM)分类算法.首先使用基于图的标签传递算法给未标识样本赋予初始伪标识,并利用k近邻图将可能的噪声样本点识别出来并剔除;然后将去噪处理后的样本集视为已标识样本集输入到支持向量机(SVM)中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的分类准确率.实验结果证明,同其它半监督学习算法相比较,本文算法在标识的训练样本较少的情况下,分类性能有所提高且具有较高的可靠性.     

一种基于SVM的核相关跟踪算法

基于相关滤波器的跟踪方法在准确度和鲁棒性上取得了突出优势,但仍需要提高整体的跟踪性能.针对传统单目标的核相关滤波器跟踪算法在目标尺度变化和产生遮挡的跟踪中存在的问题,提出了一种结合支持向量机(SVM)检测器的多尺度相关滤波器算法.通过在核矩阵中引入尺度因子来提高相关滤波器处理尺度变换的性能,训练了一个在线SVM检测器,当目标发生遮挡时,能够重新获取目标,同时自适应调整模型学习率.通过与其他5种优秀跟踪算法进行实验比较,结果表明:方法能够广泛应用于目标跟踪领域,对目标进行准确地估计并有效处理目标的遮挡问题.     

Credit scoring by feature-weighted support vector machines

Recent finance and debt crises have made credit risk management one of the most important issues in financial research.Reliable credit scoring models are crucial for financial agencies to evaluate credit applications and have been widely studied in the field of machine learning and statistics.In this paper,a novel feature-weighted support vector machine(SVM) credit scoring model is presented for credit risk assessment,in which an F-score is adopted for feature importance ranking.Considering the mutual interaction among modeling features,random forest is further introduced for relative feature importance measurement.These two feature-weighted versions of SVM are tested against the traditional SVM on two real-world datasets and the research results reveal the validity of the proposed method.     

基于牛顿梯度优化的弹性多核学习

已有稀疏多核学习(MKL)模型在产生核函数权重稀疏解时容易导致信息丢失且泛化能力差,且基于梯度下降法的MKL在接近最优解时收敛速度慢.建立了基于支持向量机(SVM)的弹性多核学习(EMKL)模型并给出了一种基于牛顿梯度优化的EMKL(NO-EMKL).模型在MKL的目标函数中引入弹性项,并设计了基于二阶牛顿梯度下降法的优化算法.实验结果表明:算法不仅具有更好的分类精度,还具有较快的收敛速度.     

基于DSP+FPGA的矿井轨道行人检测系统设计

为了避免矿井机车撞人事故的发生,提出了基于数字信号处理器结合现场可编程门阵列(DSP+FPGA)架构的轨道行人检测系统.通过A/D采样芯片对摄像机输出的模拟信号进行采样,将采集的数字信号由FPGA进行预处理;通过外部存储器接口(EMIF)将预处理后的信号传送至DSP,由DSP执行自适应阈值的边缘检测;基于极角、极径约束的霍夫(Hough)变换,降低维度的梯度方向直方图(HOG)特征提取,结合支持向量机(SVM)行人检测等算法;通过以太网接口,将检测的行人信息传送至上位机显示.实验结果表明:设计的轨道行人检测系统,检测效果良好,帧率可达8 fps,满足矿井环境对安全应用的要求.     

一种基于支持向量机和遗传算法的自适应图像水印方法

提出一种基于支持向量机(SVM)和遗传算法(GA)的离散余弦变换(DCT)域盲数字图像水印方法.该方法能自适应于图像的局部特征.依据图像块的局部特性,利用SVM对图像块分类,自适应地确定水印嵌入强度,GA用来优化水印嵌入位置.实验结果表明该方法有较好的不可见性和较强对抗攻击的鲁棒性.     

面向情感特征的风景图像分类研究及其实现

视觉活动是认知外部世界的主要途径,视觉感知源于物体的外形、色彩及纹理。而颜色特征的不同对人类情感变化起着至关重要的作用。鉴于不同风景图像会产生不同的颜色特征和情感特点,如何建立图像颜色特征与用户评价之间的关系并加以鉴别具有重要的研究意义。该文在学习前人提出的各种颜色提取分类算法的基础上,结合图像的颜色直方图对风景图像的颜色特征进行提取,并利用支持向量机的方法对图像进行分类。实验表明,该方法取得了较好的准确率。     

Modeling and H_∞ Robust Control of a Smart Structure with Rate-dependent Hysteresis Nonlinearity

The performance of smart structures in trajectory tracking under sub-micron level is hindered by the rate-dependent hysteresis nonlinearity.In this paper,a Hammerstein-like model based on the support vector machines(SVM)is proposed to capture the rate-dependent hysteresis nonlinearity.We show that it is possible to construct a unique dynamic model in a given frequency range for a rate-dependent hysteresis system using the sinusoidal scanning signals as the training set of signals for the linear dynamic subsystem of the Hammerstein-like model.Subsequently,a two-degree-of-freedom(2DOF)H∞robust control scheme for the ratedependent hysteresis nonlinearity is implemented on a smart structure with a piezoelectric actuator(PEA)for real-time precision trajectory tracking.Simulations and experiments on the structure verify both the efectiveness and the practicality of the proposed modeling and control methods.     

一种基于HHT和AR模型的手部运动模式识别方法

为了实现基于表面肌电信号(SEMG)的手部动作运动模式识别,提出一种Hilbert-Huang变换(HHT)和自回归(AR)模型相结合的特征提取算法.该方法依据HHT后各层固有模态函数(IMF)的瞬时频率定义每层IMF的频率有效度,由频率有效度选取6层平稳的IMF,同时考察具有最大频率有效度的IMF,并以该IMF的瞬时幅值确定动作信号的起止点.对6层IMF中的动作信号建立AR模型提取手部运动模式的特征向量.提取主成分后,将降维的动作特征向量输入SVM分类器,实现基于SEMG信号的手部多运动模式的识别,对伸腕、屈腕、握拳、展拳4种手部动作的识别实验表明,该方法的识别正确率可达91%.     

基于光照方向的人像合成图像的检测

数字篡改图像即使做的很逼真,没有留下肉眼可见的篡改证据,但图像原先的统计学规律已经改变.合成图像一般是将不同图像中的人或物体拼接到一起.由于光线是有方向的,所以在进行这种操作的时候图像的光线很难完全吻合,因此光线的不吻合可以作为判断篡改图像的依据.而单个图像的光照方向可以用Pentland方法估计出来,把篡改图像分割就可以得到图像不同部分的光照方向,并据此判断图像光照方向是否吻合.实验证明Pentland方法检测人像合成图像具有良好的效果.     

基于SVM的传感器动态模型辩识方法

提出了一种传感器动态模型辩识新方法,给出了相应的辩识过程及学习算法.该方法采用支持向量机模型,与常规模型辩识方法比较,其优点是明显的.其采用了结构风险最小化准则,在最小化样本误差的同时减小模型泛化误差的上界,提高了模型的泛化能力;而且将学习算法转换为求解二次规划问题,使得整个模型参数辩识过程中有且仅有一个全局极值点,确定了结果的唯一性.最后,仿真和实际试验结果均表明应用支持向量机对传感器动态模型进行辩识有效.     

彩色图像通用隐写分析的多类统计特征

提出了用于彩色图像通用隐写分析的3类统计特征。针对隐写所导致的图像DCT系数分布、空域像素值平坦性以及颜色空间一致性的改变,从系数分布模型背离程度、空域相关性和不同颜色分量间的相关性3个方面设计能够体现原始载体和含密图像差异的特征,提取了10维特征向量。这些特征对隐写行为较为敏感、涵盖面广,且维数低、计算方便。在这些特征的基础上,可利用支持向量机分析彩色JPEG图像是否含有秘密信息。实验结果表明,基于这些特征的通用隐写分析方法可以准确、高效地检测以Jstge、F5或MB隐写方法嵌入的秘密信息,辨别隐写方法种类,具有很好的通用性。     

基于磁光图像的飞机铆钉缺陷识别

针对飞机铆钉磁光图像的识别问题,提出了一种基于模糊支持向量机的裂纹有无和裂纹方向自动识别的新方法。该方法首先对铆钉磁光图像进行预处理得到铆钉二值化图像;然后采用阈值法求取铆钉中心;最后将由铆钉中心发出的星形射线矢量作为特征,采用模糊支持向量机方法对铆钉有无裂纹和裂纹方向进行分类。其中,支持向量机的核宽及惩罚常数采用网格法进行选取,并结合模糊隶属度函数解决多类分类问题中存在的错分和拒分现象。实验结果表明,使用训练获得的支持向量机分类器识别裂纹缺陷取得了很好的效果,能够满足自动检测的高实时性要求。     

基于视觉注意和改进隶属度的FSVM彩色图像分割

针对SVM进行图像分割时存在对噪声和孤立点较敏感导致分割结果不佳和抗造性能低下等问题,提出一种基于视觉注意和改进隶属度的FSVM (Modified fuzzy SVM,MFSVM)彩色图像分割方法.该方法在考虑人类视觉显著性检测机制因素的同时,对标准的模糊SVM算法进行改进,新的隶属度函数综合考虑了样本点距离类中心的远近以及样本点的疏密程度,从而有效惩罚噪声点并增强了支持向量的作用.通过彩色图像分割进行验证,结果显示与标准的SVM及基于样本疏密程度隶属度的FSVM分割方法相比,本文方法能够对复杂场景下的彩色进行有效分割,同时呈现出良好的抗噪能力.     

用于遥感图像建筑物目标分类的层次匹配核

提出了一种利用图像特征空间信息的核函数——层次对数极坐标匹配核,用于遥感图像建筑物目标的分类。对图像进行特征提取,并将特征映射到已聚类好的"码本"中,量化为有限个类别。将图像由粗到细划分为多个层次的对数极坐标系下的"子区域(单元格)"。比对落入同一层次、同一"子区域(单元格)"的每类特征的直方图交集,建立加权的多尺度直方图,将多个特征多尺度直方图合并,得到最终的核函数,并利用"一对多"的支持向量机(supportvector machine,SVM)完成建筑物的分类。对标准数据库Caltech-256和自建遥感图像数据集进行实验,结果证明了该核函数的有效性。     

小波域图像水印的最优相关检测器

假设水印是已知二值序列,原图像小波系数是取值广义高斯分布的独立同分布随机变量,对于乘性水印嵌入方法,基于水印嵌入强度的最大似然估计,该文推导出小波域图像水印的一个最优相关检测器,即水印相关检测必须与检测数据的β次幂作相关运算,其中是广义高斯分布的形状因子。     

An Online Fault Detection Model and Strategies Based on SVM-Grid in Clouds

Online fault detection is one of the key technologies to improve the performance of cloud systems. The current data of cloud systems is to be monitored, collected and used to reflect their state. Its use can potentially help cloud managers take some timely measures before fault occurrence in clouds. Because of the complex structure and dynamic change characteristics of the clouds, existing fault detection methods suffer from the problems of low efficiency and low accuracy. In order to solve them, this work proposes an online detection model based on asystematic parameter-search method called SVM-Grid, whose construction is based on a support vector machine (SVM). SVM-Grid is used to optimize parameters in SVM. Proper attributes of a cloud system's running data are selected by using Pearson correlation and principal component analysis for the model. Strategies of predicting cloud faults and updating fault sample databases are proposed to optimize the model and improve its performance. In comparison with some representative existing methods, the proposed model can achieve more efficient and accurate fault detection for cloud systems.      

基于K均值聚类和粒子群优化的多核SVM图像分割

图像分割是图像理解和计算机视觉的重要内容.针对单核SVM在进行图像分割过程中不能兼顾分割精度高和泛化性能好的问题,提出一种基于K均值聚类和优化多核SVM的图像分割算法.该算法首先运用K均值聚类算法自动选取训练样本,然后提取其颜色特征和纹理特征作为训练样本的特征属性,并使用其对构造的多核SVM分割模型进行训练,最后用粒子群优化算法对多核核参数、惩罚因子以及核权重系数联合寻优,使生成的多核SVM具有更好的分割性能.实验结果表明,本文方法在有效提取图像目标细节的同时,获得了更高的分割精度,与基于单核的SVM分割模型相比,具有更强的泛化能力.     

一种基于支持向量机的图像数字水印算法

为了使数字水印综合性能更好，根据图像邻域像素之间具有很强的相关性这一特点，提出了一种基于支持向量机的图像水印算法。该算法将支持向量机的思想用于数字水印，并取得了较好的效果。由于支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，因此，可以首先利用回归型支持向量机较好地建立图像邻域像素之间的关系模型，然后，通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。实验表明，用该技术嵌入水印后的图像不仅具有很好的图像感知质量和较强的鲁棒性，对图像增强、JPEG压缩、噪声、几何剪切等抵抗强，而且安全性好、实用性较强。